一、简介
1.1 简介
HashMap的继承广西相对比较简单，继承于AbstractMap实现了Map接口、Cloneable接口、Serializable接口。
HashMap是基于哈希表的实现了Map接口，这个实现提供了所有可选的map操作。并且允许键值对均为null。
HashMap的一些特点：
- 允许key为null，value为null;
- key不可以重复，value可以重复；
- 内部是以数组+单链表实现的，JDK8以后加入了红黑树；
- 内部键值对的存储是无序的，而且顺序会在扩容是改变；
- 初始容量为16，负载因子为0.75，也就是当容量达到 容量*负载因子 的时候就会扩容，一次扩容增加一倍；
- 线程不安全的，如果想要线程安全，有三种方法：①HashTable不允许key为null,内部使用synchronized关键字实现线程安全；②ConcurrentHashMap java并发包下的一个线程安全的HashMap;③SynchronizedMap 使用Collections.synchronizedMap(new HashMap<>()) 来获取一个线程安全的HashMap,SynchronizedMap内部使用的是Synchronized实现的线程安全。
1.2 示例
当我们执行下面的操作：
HashMap<String, Integer> map = new HashMap<String, Integer>();
map.put("语文", 1);
map.put("数学", 2);
map.put("英语", 3);
map.put("历史", 4);
map.put("政治", 5);
map.put("地理", 6);
map.put("生物", 7);
map.put("化学", 8);
for(Entry<String, Integer> entry : map.entrySet()) {
System.out.println(entry.getKey() + ": " + entry.getValue());
}
运行结果：
政治: 5
生物: 7
历史: 4
数学: 2
化学: 8
语文: 1
英语: 3
地理: 6
下面看下大致的结构，
二、源码分析
2.1 一些变量和常量
public class HashMap<K, V> extends AbstractMap<K, V>
implements Map<K, V>, Cloneable, Serializable {
/**
* 默认初始容量16，必须是2的整数倍，1<<4 相当于1*2的四次方 = 16
*/
static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
/**
* 默认最大容量 2 的 30 次方
*/
static final int MAXIMUM_CAPACITY = 1 << 30;
/**
* 默认的负载因子
*/
static final float DEFAULT_LOAD_FACTOR = 0.75f;
/**
* 链表树化边界值。链表长度大于8时，会转成红黑树——表达其实不准确，具体是否转成红黑树还要看MIN_TREEIFY_CAPACITY
*/
static final int TREEIFY_THRESHOLD = 8;
/**
* 红黑树转换链表的阀值 ，小于 6 的时候，红黑树转换为链表
*/
static final int UNTREEIFY_THRESHOLD = 6;
/**
* 容器可以树化的最小容量，
* 链表长度大于TREEIFY_THRESHOLD且数组长度大于MIN_TREEIFY_CAPACITY，链表转化为红黑树
* 链表长度大于TREEIFY_THRESHOLD（且数组长度不大于MIN_TREEIFY_CAPACITY），进行扩容，还是链表
* at least 4 * TREEIFY_THRESHOLD
*/
static final int MIN_TREEIFY_CAPACITY = 64;
// 加载因子，可以作为决定扩容的一个因子 默认值为 DEFAULT_LOAD_FACTOR
final float loadFactor;
// 哈希数组，也叫做哈希桶
transient Node<K, V>[] table;
//缓存的键值对集合 ， keySet() 和 values() 声明在 AbstractMap 中
transient Set<Map.Entry<K, V>> entrySet;
// 目前 hashmap 的大小
transient int size;
// 当前 HashMap 修改的次数，这个变量用来保证 fail-fast 机制
transient int modCount;
// 扩容边界值，threshold = 容量(table.length) * 负载因子(loadFactor)
int threshold;
}
2.2 构造方法
/**
* Constructs an empty <tt>HashMap</tt> with the specified initial
* capacity and load factor.
*
* @param initialCapacity the initial capacity
* @param loadFactor the load factor
*/
public HashMap(int initialCapacity, float loadFactor) {
if (initialCapacity < 0)
throw new IllegalArgumentException("Illegal initial capacity: " +
initialCapacity);
if (initialCapacity > MAXIMUM_CAPACITY)
initialCapacity = MAXIMUM_CAPACITY;
if (loadFactor <= 0 || Float.isNaN(loadFactor))
throw new IllegalArgumentException("Illegal load factor: " +
loadFactor);
this.loadFactor = loadFactor;
this.threshold = tableSizeFor(initialCapacity);
}
/**
* Constructs an empty <tt>HashMap</tt> with the specified initial
* capacity and the default load factor (0.75).
*
* @param initialCapacity the initial capacity.
*/
public HashMap(int initialCapacity) {
this(initialCapacity, DEFAULT_LOAD_FACTOR);
}
/**
* Constructs an empty <tt>HashMap</tt> with the default initial capacity
* (16) and the default load factor (0.75).
*/
public HashMap() {
this.loadFactor = DEFAULT_LOAD_FACTOR; // all other fields defaulted
}
/**
* Constructs a new <tt>HashMap</tt> with the same mappings as the
* specified <tt>Map</tt>. The <tt>HashMap</tt> is created with
* default load factor (0.75) and an initial capacity sufficient to
* hold the mappings in the specified <tt>Map</tt>.
*
* @param m the map whose mappings are to be placed in this map
*/
public HashMap(Map<? extends K, ? extends V> m) {
this.loadFactor = DEFAULT_LOAD_FACTOR;
putMapEntries(m, false);
}
在第四个构造方法里面调用了putMapEntries()：
/**
* Implements Map.putAll and Map constructor
*
* @param m the map
* @param evict false when initially constructing this map, else
* true (relayed to method afterNodeInsertion).
*/
final void putMapEntries(Map<? extends K, ? extends V> m, boolean evict) {
int s = m.size();
if (s > 0) {
// 如果table==null 说明未创建哈希桶
if (table == null) { // pre-size
// 因为传入了s个键值对，所以需要的容量就是s/loadFactor，为了不触发扩容，多加了1.
float ft = ((float)s / loadFactor) + 1.0F;
// 如果ft小于最大容量，使用ft,否则使用最大容量。
int t = ((ft < (float)MAXIMUM_CAPACITY) ?
(int)ft : MAXIMUM_CAPACITY);
// 如果容量大于扩容阀值threhold,使用tableSizeFor()重新计算扩容阀值threshold
if (t > threshold)
threshold = tableSizeFor(t);
} else if (s > threshold){
// 如果已经创建了哈希桶，并且需要的容量大于目前的扩容阀值threshold，resize()扩容
resize();
}
//循环传入的map,调用 putVal()方法循环插入新值
for (Map.Entry<? extends K, ? extends V> e : m.entrySet()) {
K key = e.getKey();
V value = e.getValue();
putVal(hash(key), key, value, false, evict);
}
}
}
这里看到了新方法：hash()和putVal()，会在后面发放中记录，先讲下主流程。
前面讲了内部是用单链表实现的，来看下单链表的节点具体包含的信息。
// 单链表的一个节点，实现了Map.Entry接口
static class Node<K,V> implements Map.Entry<K,V> {
// 我们传入的key 的hash值
final int hash;
final K key;
V value;
// 当前节点的后置节点
Node<K,V> next;
Node(int hash, K key, V value, Node<K,V> next) {
this.hash = hash;
this.key = key;
this.value = value;
this.next = next;
}
public final K getKey() { return key; }
public final V getValue() { return value; }
public final String toString() { return key + "=" + value; }
public final int hashCode() {
return Objects.hashCode(key) ^ Objects.hashCode(value);
}
public final V setValue(V newValue) {
V oldValue = value;
value = newValue;
return oldValue;
}
public final boolean equals(Object o) {
if (o == this)
return true;
if (o instanceof Map.Entry) {
Map.Entry<?,?> e = (Map.Entry<?,?>)o;
if (Objects.equals(key, e.getKey()) &&
Objects.equals(value, e.getValue()))
return true;
}
return false;
}
}
hash值是确定的哈希桶中的位置，如果hash值相等，key也相同 则key重复执行覆盖，如果没有相同的key,直接创建新的链表节点，并把最后一个链表节点指向新创建的节点。
2.3 put
public V put(K key, V value) {
return putVal(hash(key), key, value, false, true);
}
/**
* Implements Map.put and related methods
*
* @param hash hash for key
* @param key the key
* @param value the value to put
* @param onlyIfAbsent if true, don't change existing value
* @param evict if false, the table is in creation mode.
* @return previous value, or null if none
*/
final V putVal(int hash, K key, V value, boolean onlyIfAbsent,
boolean evict) {
// 哈希桶tab
Node<K,V>[] tab;
// 链表头节点
Node<K,V> p;
int n, i;
// 把当前和系统赋值给tab,如果为空，或者长度为0, 执行resize()创建哈希桶，并把长度赋值给n
if ((tab = table) == null || (n = tab.length) == 0)
n = (tab = resize()).length;
// 根据 当前 哈希桶长度-1 和传来的hash值进行运算，得到哈希桶下标，然后从哈希桶中根据坐标取出节点，赋值给p
//如果节点p的值为null，说明当前哈希桶的位置不存在链表节点，不存在哈希碰撞，则创建一个新的节点，直接放到哈希桶中。
if ((p = tab[i = (n - 1) & hash]) == null){
tab[i] = newNode(hash, key, value, null);
} else {
// 这里发生了哈希碰撞，说明p已经成功被赋值且不为null.
Node<K,V> e; K k;
//如果头节点p的hash值和传来的相等并且头节点的key和传入的key的地址相等，或者key值不为null且值相等
//说明是key已经存在，如果onlyIfAbsent为false,会覆盖，如果为true，则不覆盖
if (p.hash == hash &&
((k = p.key) == key || (key != null && key.equals(k)))){
e = p;
} else if (p instanceof TreeNode){
// p 属于红黑树
e = ((TreeNode<K,V>)p).putTreeVal(this, tab, hash, key, value);
} else {
// 开启无限循环
for (int binCount = 0; ; ++binCount) {
// 如果当前哈希桶位置的头节点的后置节点为null,也就是不存在后置节点
if ((e = p.next) == null) {
// 新建一个Node节点，然后让头节点的后置节点置顶新创建的Node节点
p.next = newNode(hash, key, value, null);
// 如果binCount>7,执行treeifBin()进行树化
if (binCount >= TREEIFY_THRESHOLD - 1) // -1 for 1st
treeifyBin(tab, hash);
break;
}
//这个时候执行过了e= p.next ,说明e是 头节点p的后置节点
// 如果e的hash 值和传来的相等并且e节点的key和传来的key的地址相等 或者key值不为null且值相等，说明在链表中找到了同hash、key的节点，那么直接退出循环
if (e.hash == hash &&
((k = e.key) == key || (key != null && key.equals(k))))
break;
p = e;
}
}
// 如果当前e节点不为null，说明存在key相同的节点
if (e != null) { // existing mapping for key
V oldValue = e.value;
// 如果onlyIfAbsent 或者 找到的节点的 值为 null ,则覆盖原节点的 value值
if (!onlyIfAbsent || oldValue == null)
e.value = value;
afterNodeAccess(e);
// 返回旧的value值
return oldValue;
}
}
++modCount;
if (++size > threshold)
resize();
afterNodeInsertion(evict);
return null;
}
首先刚开始的时候，先判断当前哈希桶有没有创建，如果没有创建，则执行resize()来创建哈希桶。
put函数大致的思路：
- 对key的hashCode()做hash，然后再计算index;
- 如果没碰撞直接放到bucket里；
- 如果节点已经存在就替换old value(保证key的唯一性)
- 如果碰撞了，以链表的形式存在buckets后；
- 如果碰撞导致链表过长(大于等于TREEIFY_THRESHOLD)，就把链表转换成红黑树；
- 如果bucket满了(超过load factor*current capacity)，就要resize。
2.4 get
get()函数实现大致思路：
- bucket里的第一个节点，直接命中；
- 如果有冲突，则通过key.equals(k)去查找对应的entry；若为树，则在树中通过key.equals(k)查找，O(logn)；若为链表，则在链表中通过key.equals(k)查找，O(n)。
public V get(Object key) {
Node<K,V> e;
return (e = getNode(hash(key), key)) == null ? null : e.value;
}
final Node<K, V> getNode(int hash, Object key) {
// 哈希桶
Node<K, V>[] tab;
// first 头节点和要找的节点
Node<K, V> first, e;
//哈希桶长度
int n;
K k;
// 如果哈希桶不为 null,并且长度大于 0,并且 哈希桶位置的头节点不为 null
if ((tab = table) != null && (n = tab.length) > 0 && (first = tab[(n - 1) & hash]) != null) {
// 如果头节点满足,就返回头节点
if (first.hash == hash && ((k = first.key) == key || (key != null && key.equals(k))))
return first;
// 如果头节点的后置节点不为 null
if ((e = first.next) != null) {
// 如果属于红黑树,去红黑树中去查
if (first instanceof TreeNode)
return ((TreeNode<K, V>) first).getTreeNode(hash, key);
// 不属于红黑树,在单链表中查
do {
// 一直找到 key 值相等的节点.如果没找到并且最后一个节点的后置节点为 null ,说明没有key 值相等的,退出循环,返回 null
if (e.hash == hash && ((k = e.key) == key || (key != null && key.equals(k))))
return e;
} while ((e = e.next) != null);
}
}
return null;
}
三、hash函数的实现
在get和put的过程中，计算下标时，先对hashCode进行hash操作，然后再通过hash值进一步计算下标，如下图所示：
在对hashCode()计算hash时具体实现是这样的：
/**
* Computes key.hashCode() and spreads (XORs) higher bits of hash
* to lower. Because the table uses power-of-two masking, sets of
* hashes that vary only in bits above the current mask will
* always collide. (Among known examples are sets of Float keys
* holding consecutive whole numbers in small tables.) So we
* apply a transform that spreads the impact of higher bits
* downward. There is a tradeoff between speed, utility, and
* quality of bit-spreading. Because many common sets of hashes
* are already reasonably distributed (so don't benefit from
* spreading), and because we use trees to handle large sets of
* collisions in bins, we just XOR some shifted bits in the
* cheapest possible way to reduce systematic lossage, as well as
* to incorporate impact of the highest bits that would otherwise
* never be used in index calculations because of table bounds.
*/
static final int hash(Object key) {
int h;
return (key == null) ? 0 : (h = key.hashCode()) ^ (h >>> 16);
}
可以看到这个函数大概作用就是：高16bit不变，低16bit和高16bit做一个异或。
在设计hash函数时，因为目前的table长度n 为2的幂，而计算下标的时候，是这样实现的（使用&位操作，而非%求余）：
(n-1) & hash
设计者认为这方法很容易发生碰撞。为什么这么说呢？不妨思考一下，在n - 1为15(0x1111)时，其实散列真正生效的只是低4bit的有效位，当然容易碰撞了。
因此，设计者想了一个顾全大局的方法(综合考虑了速度、作用、质量)，就是把高16bit和低16bit异或了一下。设计者还解释到因为现在大多数的hashCode的分布已经很不错了，就算是发生了碰撞也用O(logn)的tree去做了。仅仅异或一下，既减少了系统的开销，也不会造成的因为高位没有参与下标的计算(table长度比较小时)，从而引起的碰撞。
如果还是产生了频繁的碰撞，会发生什么问题呢？作者注释说，他们使用树来处理频繁的碰撞(we use trees to handle large sets of collisions in bins)，在JEP-180中，描述了这个问题：
Improve the performance of java.util.HashMap under high hash-collision conditions byusing balanced trees rather than linked lists to store map entries. Implement the same improvement in the LinkedHashMap class.
之前已经提过，在获取HashMap的元素时，基本分两步：
- 首先根据hashCode()做hash，然后确定bucket的index；
- 如果bucket的节点的key不是我们需要的，则通过keys.equals()在链中找。
在Java 8之前的实现中是用链表解决冲突的，在产生碰撞的情况下，进行get时，两步的时间复杂度是O(1)+O(n)。因此，当碰撞很厉害的时候n很大，O(n)的速度显然是影响速度的。
因此在Java 8中，利用红黑树替换链表，这样复杂度就变成了O(1)+O(logn)了，这样在n很大的时候，能够比较理想的解决这个问题.
四、resize的实现
当put时，如果发现目前的bucket占用程度已经超过了Load Factor所希望的比例，那么就会发生resize。在resize的过程，简单的说就是把bucket扩充为2倍，之后重新计算index，把节点再放到新的bucket中。resize的注释是这样描述的：
Initializes or doubles table size. If null, allocates in accord with initial capacity target held in field threshold. Otherwise, because we are using power-of-two expansion, the elements from each bin must eitherstay at same index, ormove with a power of two offsetin the new table.
大致意思就是说，当超过限制的时候会resize，然而又因为我们使用的是2次幂的扩展(指长度扩为原来2倍)，所以，元素的位置要么是在原位置，要么是在原位置再移动2次幂的位置。
怎么理解呢？例如我们从16扩展为32时，具体的变化如下所示：
因此元素在重新计算hash之后，因为n变为2倍，那么n-1的mask范围在高位多1bit(红色)，因此新的index就会发生这样的变化：
因此，我们在扩充HashMap的时候，不需要重新计算hash，只需要看看原来的hash值新增的那个bit是1还是0就好了，是0的话索引没变，是1的话索引变成“原索引+oldCap”。可以看看下图为16扩充为32的resize示意图：
这个设计确实非常的巧妙，既省去了重新计算hash值的时间，而且同时，由于新增的1bit是0还是1可以认为是随机的，因此resize的过程，均匀的把之前的冲突的节点分散到新的bucket了。
下面是代码的具体实现：
final Node<K,V>[] resize() {
Node<K,V>[] oldTab = table;
//旧的容量，如果没创建过 则返回0
int oldCap = (oldTab == null) ? 0 : oldTab.length;
//旧的扩容边界值
int oldThr = threshold;
//新的容量，新的扩容边界值
int newCap, newThr = 0;
//如果旧的容量大于0，说明已经创建了哈希桶
if (oldCap > 0) {
// 如果容量超过了最大容量
if (oldCap >= MAXIMUM_CAPACITY) {
//扩容边界值就是Integer的最大值
threshold = Integer.MAX_VALUE;
// 返回老的哈希桶，不再扩容
return oldTab;
} else if ((newCap = oldCap << 1) < MAXIMUM_CAPACITY && oldCap >= DEFAULT_INITIAL_CAPACITY)
// 新容量 = 老容量 * 2
newThr = oldThr << 1; // double threshold
} else if (oldThr > 0){ // initial capacity was placed in threshold
//如果当前链表为空，但是有阀值，代表是初始化时指定了容量、阀值的情况，直接使用旧的扩容边界值作为新的容量
newCap = oldThr;
} else { // zero initial threshold signifies using defaults
// 容量为0，容量未初始化，设置默认容量和扩容边界值
newCap = DEFAULT_INITIAL_CAPACITY;
newThr = (int)(DEFAULT_LOAD_FACTOR * DEFAULT_INITIAL_CAPACITY);
}
// 如果新的扩容边界值为0，对应的是表示空的，但是有扩容边界值得情况
if (newThr == 0) {
// 根据新表容量和加载因子求出新的阀值
float ft = (float)newCap * loadFactor;
//进行越界修复
newThr = (newCap < MAXIMUM_CAPACITY && ft < (float)MAXIMUM_CAPACITY ?
(int)ft : Integer.MAX_VALUE);
}
// 更新扩容边界值
threshold = newThr;
@SuppressWarnings({"rawtypes","unchecked"})
Node<K,V>[] newTab = (Node<K,V>[])new Node[newCap];
//更新哈希桶
table = newTab;
if (oldTab != null) {
//遍历老的哈希桶，然后转移内部元素到新的哈希桶
for (int j = 0; j < oldCap; ++j) {
Node<K,V> e;
// 取出旧哈希桶中的节点（是一个链表中的头节点）赋值给e，并且不为null
if ((e = oldTab[j]) != null) {
//原来桶中的头节点置为null
oldTab[j] = null;
// 如果没有下一个节点，就是这个位置没发生过哈希碰撞
if (e.next == null)
// 根据原节点的hash值和新哈希桶的长度-1 算出新哈希桶中的位置，把e放进去
newTab[e.hash & (newCap - 1)] = e;
else if (e instanceof TreeNode)
//处理红黑树
((TreeNode<K,V>)e).split(this, newTab, j, oldCap);
else { // preserve order
// 处理发生过哈希碰撞，还是链表的情况
Node<K,V> loHead = null, loTail = null;
Node<K,V> hiHead = null, hiTail = null;
Node<K,V> next;
do {
next = e.next;
//原索引
if ((e.hash & oldCap) == 0) {
if (loTail == null)
loHead = e;
else
loTail.next = e;
loTail = e;
} else {
// 原索引+oldCap
if (hiTail == null)
hiHead = e;
else
hiTail.next = e;
hiTail = e;
}
} while ((e = next) != null);
// 原索引放到bucket里
if (loTail != null) {
loTail.next = null;
newTab[j] = loHead;
}
// 原索引+oldCap放到bucket里
if (hiTail != null) {
hiTail.next = null;
newTab[j + oldCap] = hiHead;
}
}
}
}
}
return newTab;
}
主要分为以下几步：
- 旧容量大于0，如果超过了最大容量，不在进行扩容，返回Integer.MAX_VALUE ；
- 旧容量小于等于 0，如果旧的扩容边界值大于 0 ，把旧的扩容边界值赋值给新的扩容边界值；
- 旧容量小于等于 0，并且旧的扩容边界值小于等于 0 ，也就是没指定，就初始化默认的容量和扩容边界值；
- 如果新的扩容边界值等于 0，根据新容量和新负载因子计算新的扩容边界值；
- 然后根据新的容量进行创建一个新的哈希桶，并进行遍历；
- 取出头节点，如果头节点后置节点为 null ，表明单链表只有一个头节点，没有发生哈希碰撞，直接放入新数组；
- 如果头节点是属于 树节点，调用 split 去处理，这里不再详细分析。
- 否则就说明是此位置的单链表发生了哈希碰撞，通过定义loHead、loTail、hiHead、hiTail来讲一个链表拆分成两个独立的链表。注意：如果e的hash值与老表的容量进行与运算为0,则扩容后的索引位置跟老表的索引位置一样。所以loHead–>loTail组成的链表在新Map中的索引位置和老Map中是一样的。如果e的hash值与老表的容量进行与运算为1,则扩容后的索引位置为:老表的索引位置＋oldCap，最后将loHead、loTail、hiHead、hiTail组成的两条链表重新定位到新的Map中即可
五、总结
- 什么时候会使用HashMap？他有什么特点？
是基于Map接口的实现，存储键值对时，它可以接收null的键值，是非同步的，HashMap存储着Entry(hash, key, value, next)对象。 - 你知道get和put的原理吗？equals()和hashCode()的都有什么作用？
通过对key的hashCode()进行hash，并计算下标( (n-1) & hash)，从而获得buckets的位置。如果产生碰撞，则利用key.equals()方法去链表或树中去查找对应的节点。 - 你知道hash的实现吗？为什么要这样实现？
是通过hashCode()的高16位异或低16位实现的：(h = k.hashCode()) ^ (h >>> 16)，主要是从速度、功效、质量来考虑的，这么做可以在bucket的n比较小的时候，也能保证考虑到高低bit都参与到hash的计算中，同时不会有太大的开销。 - 底层数据结构？
采用数组+单链表+红黑树来实现的，
数据中存储的是单链表的头节点或者是红黑树节点。当单链表长度大于等于 8 且容量大于等于64的时候，进行树化，当树的长度小于等于 6 的时候，转化成单链表。 - 什么是Map已经修改的次数modCount？
modCount用于记录HashMap的修改次数，在HashMap的put(),get(),remove(),Interator()等方法中,都使用了该属性。
由于HashMap不是线程安全的，所以在迭代的时候，会将modCount赋值到迭代器的expectedModCount属性中，然后进行迭代；
如果在迭代的过程中HashMap被其他线程修改了，modCount的数值就会发生变化，这个时候expectedModCount和ModCount不相等，迭代器就会抛出ConcurrentModificationException()并发修改异常。 - 为什么在树化前会优先考虑扩容，而不是直接树化？
这个主要是从效率和空间上来衡量的，链表占用空间小，但是查询效率低，红黑树占用空间大，但是查询效率高。在空间和效率上做了一个平衡。
当 hashmap 的 哈希桶长度大于容量*负载因子的时候，就会扩大哈希桶的容量。一次性扩大两倍，永远是 2 的 n 次方，取模的时候速度比较快，扩容的时候会重新安排所有元素的位置，尽量能够保证均匀的分布在不同的哈希桶中。
Fail-Fast 机制
我们知道 java.util.HashMap 不是线程安全的，因此如果在使用迭代器的过程中有其他线程修改了map，那么将抛出ConcurrentModificationException，这就是所谓fail-fast策略。这一策略在源码中的实现是通过 modCount 域，modCount 顾名思义就是修改次数，对HashMap 内容的修改都将增加这个值，那么在迭代器初始化过程中会将这个值赋给迭代器的 expectedModCount。在迭代过程中，判断 modCount 跟 expectedModCount 是否相等，如果不相等就表示已经有其他线程修改了 Map：注意到 modCount 声明为 volatile，保证线程之间修改的可见性。
所以在这里和大家建议，当大家遍历那些非线程安全的数据结构时，尽量使用迭代器
1039
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
